视频网络的智能视频监控应用有广泛的应用前景和研究价值,运动目标跟踪是许多智能视频监控应用的基础。单目摄像头下,目标间的遮挡处理是目标跟踪的核心问题。常规目标跟踪方法通过相邻帧目标的外观特征实现相同目标的匹配,勾画目标的运动轨迹。但是在目标间存在遮挡时,使用目标的外观作为匹配特征必然导致目标的错误跟踪或跟踪丢失。单摄像头本身无法提供目标的深度信息,为了确定目标的深度,就需要另外一个摄像头提供附加的约束信息。因此,利用多摄像头对目标进行跟踪就面临着不同摄像头间相同目标图像匹配问题。而常规的图像匹配方法采用目标图像的颜色、纹理、尺度不变特征变化等作为匹配特征。但是在实际的监控场景中,由于光照的变化、摄像头视角的差异、摄像头分辨率低等因素的影响,基于以上特征的匹配算法都存在应用场景受限的缺点。在运动过程中固定物的遮挡、目标之间的相互遮挡也会导致现有算法的匹配准确率下降。因此,在单目摄像头目标跟踪的基础上,将摄像头间目标的匹配问题转换为目标运动轨迹的匹配。本文从匹配算法对监控环境的可扩展性出发,研究了以下四个方面的内容:1.在单目摄像头下,提出了基于运动区域的目标跟踪算法,采用目标尺寸、目标运动方向、目标运动速度构造代价函数,根据代价值实现模板与目标的关联。针对运动过程中,运动目标之间遮挡情况,采用不同的模板更新策略,解决目标遮挡问题。2.采用MOTP和MOTA作为跟踪算法的性能评价指标。MOTP表示跟踪器准确预估目标位置的能力,MOTA表示跟踪器准确预估目标数目和跟踪一致性的能力。3.提出了鲁棒的目标时空运动轨迹,结合了目标的时间特性和空间运动特性,该特征具有几何独立性和唯一性,且不受物体形状、光照、摄像头间视角等因素的影响,不需要提前对摄像机进行参数标定。4.针对时空运动轨迹的特征,提出了改进的基于互信息的序列相似性度量方法,该方法能有效避免不同目标运动轨迹之间局部相似的情况。在摄像头间,基于目标的时空运动轨迹的相似性,利用摄像头间目标的运动轨迹构造加权二部图,通过二部图的最优匹配算法实现摄像头间相同目标的运动轨迹匹配。5.针对匹配结果,采用误匹配率和平均偏差值作为匹配算法的评价指标。仿真验证了提出的匹配算法与基于sift特征的匹配算法在各种运动环境下的匹配性能。结果表明,提出的算法能保证较高的匹配成功率,同时保持一定的精确度。